[发明专利]用于在含噪环境中分析系统的状态的设备和方法

说明书

本发明涉及用于在含噪环境中分析系统的状态的设备和方法。用于确定系统的状态的计算机实现方法包括以下步骤：‑收集与系统有关的数据，所述数据是包括感兴趣数据和噪声的含噪数据；‑从收集的数据生成待分析的信号，所述信号是包括感兴趣信号和噪声的含噪信号；‑通过在积分的含噪信号与其趋势之差的幂的计算中补偿噪声的影响，来分析感兴趣信号的规律性；以及‑根据感兴趣信号的规律性的分析结果来确定所述系统的状态。

技术领域

本发明属于分析系统的状态的领域，并且本发明具体地涉及一种用于在分析信号的规律性时补偿加性噪声的影响的设备和方法。

背景技术

在给定的环境中，可能需要获得有关人的心理生理状态或装置(金属结构、发动机部件、桥梁等)的损坏状态的信息。为此目的，一组传感器从人或装置收集信息并传递信号，所述信号经过分析之后能够确认人的状态或设备的状态并进行分类。

从源自传感器的信号中提取特征。这些特征可以表征研究的时间序列的统计特性、时间特性或频率特性。

然而，源自传感器的信号会受到测量噪声的干扰，该测量噪声可能修改感兴趣信息和提取的特征的值，并因此导致关于信号使用的不利后果。

一个特定的特征涉及信号的时间分析，特别是包括信号的规律性，表示为“α”。信号的时间分析将信号的行为不变性转换成时间标度的变化。为了确定信号的规律性，通常会估算赫斯特(Hurst)指数或系数，表示为“H”。

然而，已知的用于估算赫斯特系数的方法，例如称为“去趋势波动分析”(detrended fluctuation analysis，DFA)的方法或称为“去趋势移动平均”(detrendingmoving average，DMA)的方法，在信号受到噪声干扰影响时会对特征提供不正确的估算。噪声可以是例如白噪声或加性噪声。

为了克服这个问题，一种方法可以是增强信号以消除噪声，然后估算增强信号的规律性。然而，例如在语音处理中通常采用的基于卡尔曼(Kalman)方法、或谱减(spectralsubtraction)方法、或基于小波的信号增强技术不能给出令人满意的结果。特别地，信号增强步骤增加了计算复杂度和计算时间，这在实时方面至关重要的监控应用中是不利的。另外，这种信号增强(或噪声去除)步骤使感兴趣信号的规律性的估算失真在于增强信号的估算值α由此失真。已知的信号增强技术不能够保持对感兴趣信号的规律性的正确估算。

因此，需要实现对加性噪声具有鲁棒性的特征估算方法。本发明解决了这种需求。

发明内容

本发明的一个主题是一种用于在含噪环境中估算感兴趣信号的规律性的方法。

本发明的另一主题是一种包括实现用于在含噪环境中估算感兴趣信号的规律性的方法的装置的设备。

本发明将有利地应用于所有领域，包括例如需要对人的心理-生理状态进行分析的(生物)医学领域，以及需要监控部件的所有工业领域，在航空工业、汽车工业、铁路工业或任何其他重工业。

为了达到期望的结果，根据各种实施方案要求保护方法、设备和计算机程序产品。

具体地，提出了一种用于确定系统的状态的计算机实现方法。所述方法包括以下步骤：

-收集与系统有关的数据，所述数据是包括感兴趣数据和噪声的含噪数据；

-从收集的数据生成待分析的信号，所述信号是包括感兴趣信号和噪声的含噪信号；

-通过在积分的含噪信号与其趋势之差的幂的计算中补偿噪声的影响，基于含噪信号分析感兴趣信号的规律性；以及

-根据感兴趣信号的规律性的分析结果确定所述系统的状态。

根据本方法的一些实施方案，如下步骤作为替代方式或组合方式：